beleidsinformatie id zorg
DESCRIPTION
Business Intelligence in Healthcare - Guest lecture NVKVVTRANSCRIPT
NVKVVOPLEIDING
INFORMATIESYSTEEMVERPLEEGKUNDIGE
17 /01/2014
K o e n D e M e e s t e r
A d v i s e u r B e l e i d s i n f o r m a t i e
A Z S i n t - L u c a s G e n t
BELEIDSINFORMATIE i/d ZORGvan gegevens naar datawarehouse naar business intelligence
18/01/2014
1
W A T I S B U S I N E S S I N T E L L I G E N C E ?
18/01/2014
2
Inleiding
WatGegevens informatie
Informatie bestaat uit gegevens (synoniem: data) waar een betekenis aan is toegekend.
Strikt genomen staat in een boekwerk dan ook nooit informatie, maar slechts gegevens.
De betekenis die een lezer aan de gegevens toekent, vormen informatie voor die persoon.
“Gent” & “Oost-Vlaanderen” zijn gegevens, waar op zichzelf geen betekenis in zit. De betekenis die daar in wordt gelegd als in “Gent is de provinciehoofdstad van Oost-Vlaanderen” is informatie die gebaseerd is op die gegevens.
18/01/2014
3
WatGegevens informatie
Informatie =
individueel relevante deel van hetgene een waarnemer (=de ontvanger) van binnengekomen (=ontvangen) gegevens maakt
hetgene dat aan de kennis van de waarnemer bijdraagt door het hebben van betekenis of nieuwswaarde waardoor het van belang is voor het handelen van de waarnemer.
Waarheid is perceptie!
Het is ontvanger die bepaalt wat op een bepaald moment wel of geen informatie is.
18/01/2014
4
WatGegevens informatie
18/01/2014
5
http://www.infogineering.net/data-information-knowledge.htm
WatGegevens informatie
18/01/2014
6
WatGegevens informatie
18/01/2014
7
WatGegevens informatie
18/01/2014
8
WatGegevens informatie
18/01/2014
9
WatGegevens informatie
18/01/2014
10
WatGegevens informatie
18/01/2014
11
WatGegevens informatie
18/01/2014
12
WatGegevens informatie
18/01/2014
13
Historiek
„A Business Intelligence System' (Luhn, 1958)
Proces waarbinnen gegevens worden omgezet tot informatie, die vervolgens leidt tot kennis.
The availability of documents in machine-readable form is a basic requirement of the system. Typewriters with paper-tape punching attachments are already used extensively in information processing and communication operations. Their use as standard equipment in the future would provide machine-readable records of new information. The transcription of old records would pose a problem, since in most cases it would be uneconomical to perform this job by hand. The mechanization of this operation will therefore have to wait until print-reading devices have been perfected.
18/01/2014
14
Doelstelling?
De belangrijkste doelstelling van BI binnen een organisatie is om geavanceerde kennis van zaken te leveren aan kenniswerkers en managers waardoor deze in staat zijn betere keuzes te maken die leiden tot succesvolle acties.
18/01/2014
15
Praktische betekenis?
Beleidsinformatie i/d zorg
Ziekenhuisdirecteur?
Dienstverantwoordelijke verpleegafdeling?
18/01/2014
16
Praktische betekenis?
Zeer verscheiden in te vullen
Afhankelijk gekozen doelstellingen
AZ Sint-Blasius Dendermonde
http://icuro.be/documents/content/20121130PosterIcuro_BrendaDroesbekeAZSintBlasius.pdf
http://www.azsintblasius.be/over/jaarverslag/
18/01/2014
17
http://icuro.be/documents/content/20121130PosterIcuro_BrendaDroesbekeAZSintBlasius.pdf
18/01/201418
18/01/201419
18/01/2014
20
Business Intelligence Life Cycle
18/01/2014
21
Business Intelligence Life Cycle
Bronsystemen
Data in de context van BI
Representatie van een organisatie en haar omgeving bij de dingen, mensen, locaties, gebeurtenissen en de onderlinge relaties.
Bronsystemen
Operationele systemen binnen de organisatie
Referentiedatabanken buiten de organisatie
http://statbel.fgov.be/nl/statistieken/cijfers/
Separate registraties binnen en buiten de organisatie
18/01/2014
22
BronsystemenOEFENING
Teken traject patiënt doorheen ziekenhuisverblijf
Welke bronssystemen?
Welke informatie?
18/01/2014
23
BronsystemenOEFENING
Teken traject patiënt doorheen ziekenhuisverblijf
Welke bronssystemen?
Welke informatie?
Masterdata : vaste begrippen
Ziekenhuisstructuur + patiënten- & artsinformatie
Transactionele data: interacties veel + vluchtige data
Patiëntenbeweging ADT (admission – discharge – transfer)
Medische gegevens MZG – EPD – OK – labo – apotheek – …
Financieel Facturatie – boekhouding
Lokale registratie bevallingen – kwaliteit – spoed – IZ …
HOE INFORMATIE HALEN UIT DIT KLUWEN…?
18/01/2014
24
BronsystemenBron van data, bron van ellende…?
18/01/2014
25
BronsystemenBron van data, bron van ellende…?
18/01/2014
26
BronsystemenBron van data, bron van ellende…?
18/01/2014
27
BronsystemenBron van data, bron van ellende…?
18/01/2014
28
BronsystemenBron van data, bron van ellende…?
18/01/2014
29
BronsystemenBron van data, bron van ellende…?
18/01/2014
30
http://www.jdesource.com/business-intelligence/data-warehousing-in-lay-mans-term/
Transactionele databank & de gevolgen
Ontwikkeld om data te verzamelen
1 lijn per klant met alle informatie…
Niet ontwikkeld om data te bevragen
Traag, belastend voor productieomgeving
Nood aan data-integratie van aparte silo‟s + gevaar rapportvernietiging door wijzigingen in bronstructuur
Iedereen heeft eigen versie van de waarheid…
18/01/201431
18/01/2014
32
Business Intelligence Life Cycle
18/01/2014
33
Business Intelligence Life Cycle
Concept v/h datawarehouseDefinitie
« een data warehouse (datapakhuis) is het hart van de infrastructuur voor business intelligence »
« een data warehouse is een kopie van transactioneledata die specifiek geordend is voor opvragen en analyse »
« een data warehouse is een informatiesysteem voor de analyse van geïntegreerde, historische data over een langere tijdsperiode »
18/01/2014
34
Prof. B. Sijnave - Management van informatie(systemen) -2009
Concept v/h datawarehouseDefinitie – William (Bill) Inmon
A subject-oriented, integrated, time-variant, non-updatable collection of data used in support of management decision-making processes
« een data warehouse is een onderwerp-georiënteerde, geïntegreerde en tijdsafhankelijke gegevensverzameling, die niet of nauwelijks aan verandering onderhevig is en die het besluitvormingsproces ondersteunt »
18/01/2014
35
Prof. B. Sijnave - Management van informatie(systemen) -2009
Concept v/h datawarehouseDefinitie
« een data warehouse is een onderwerp-georiënteerde, geïntegreerde en tijdsafhankelijke gegevensverzameling, die niet of nauwelijks aan verandering onderhevig is en die het besluitvormingsproces ondersteunt » (William (Bill) Inmon) Gegevens in een DWH zijn opgeslagen volgens onderwerp (patiënt,
kwaliteit, pathologie, verpleegeenheid, specialisme…) en niet per IT-systeem(facturatie, patiëntendossier, …)
Focus op analyse, niet op data-input
Elk systeem bevat slechts een partieel beeld over een onderwerp, data niet relevant voor beslissingsproces wordt geëxcludeerd
18/01/2014
36
Prof. B. Sijnave - Management van informatie(systemen) -2009
Concept v/h datawarehouseDefinitie
« een data warehouse is een onderwerp-georiënteerde, geïntegreerde en tijdsafhankelijke gegevensverzameling, die niet of nauwelijks aan verandering onderhevig is en die het besluitvormingsproces ondersteunt » (William (Bill) Inmon) Gegevens uit verschillende heterogene databronnen (relational databases,
flat files, on-line transaction records) worden samengebracht tot een coherent geheel met eenvormige definities en terminologie
Data cleaning + data integratie
Eénduidige naamgeving en definities; zelfde eenheden; code-structuur
Verschillende types ziekenhuiscontacten, datumstructuren, tijdseenheden,…
Alle data worden éénvormige geconverteerd indien binnengebracht in DWH
Gegevens worden aan elkaar gerelateerd (relationship constraints)
Eigenschappen van de gegevens (metadata) worden centraal opgeslagen en beheerd
18/01/2014
37
Prof. B. Sijnave - Management van informatie(systemen) -2009
Concept v/h datawarehouseDefinitie
« een data warehouse is een onderwerp-georiënteerde, geïntegreerde en tijdsafhankelijke gegevensverzameling, die niet of nauwelijks aan verandering onderhevig is en die het besluitvormingsproces ondersteunt » (William (Bill) Inmon) Snapshots van de gegevens worden opgeslagen op verschillende tijdstippen
als basis voor historische overzichten
Een datawarehouse bevat vaak meer historische gegevens dan de originele bronsystemen, zowel over snel als over langzaam veranderende gegevens (typisch over een periode van 5 à 10 jaar)
18/01/2014
38
Prof. B. Sijnave - Management van informatie(systemen) -2009
Concept v/h datawarehouseDefinitie
« een data warehouse is een onderwerp-georiënteerde, geïntegreerde en tijdsafhankelijke gegevensverzameling, die niet of nauwelijks aan verandering onderhevig is en die het besluitvormingsproces ondersteunt » (William (Bill) Inmon) Een DWH is een gerichte verzameling van gegevens
Gegevens in een DWH zijn losgekoppeld van de processen en omgeving waarin ze zijn ontstaan
18/01/2014
39
Prof. B. Sijnave - Management van informatie(systemen) -2009
Concept v/h datawarehouseDefinitie
« een data warehouse is een onderwerp-georiënteerde, geïntegreerde en tijdsafhankelijke gegevensverzameling, die niet of nauwelijks aan verandering onderhevig is en die het besluitvormingsproces ondersteunt » (William (Bill) Inmon) In principe zijn in DWH geen veranderingen aan opgeslagen gegevens
mogelijk: de gegevens zijn niet-vluchtig (non-volatile)
Gewijzigde waarden worden opgeslagen als een nieuw gegeven in tegenstelling tot operationele systemen waar nieuwe waarden oude overschrijven
Enkel zicht op huidige waarde (vb. Overschrijven adres na verhuis)
Rapportage over gegevens uit DWH blijft reproduceerbaar
18/01/2014
40
Prof. B. Sijnave - Management van informatie(systemen) -2009
Concept v/h datawarehouseDefinitie
« een data warehouse is een onderwerp-georiënteerde, geïntegreerde en tijdsafhankelijke gegevensverzameling, die niet of nauwelijks aan verandering onderhevig is en die het besluitvormingsproces ondersteunt » (William (Bill) Inmon) Gebruikers van DWH zijn geen IT-ers maar komen ‘business-side’
DWH heeft als doel om gerichter beslissingen te kunnen nemen, om beleid beter te kunnen voorbereiden, uit te tekenen en uit te voeren
Design van DWH is specifiek om op performante wijze opzoekingen (queries) te doen in gegevens
18/01/2014
41
Prof. B. Sijnave - Management van informatie(systemen) -2009
Concept v/h datawarehouseOperationele database >< Datawarehouse
18/01/2014
42
Prof. B. Sijnave - Management van informatie(systemen) -2009
Operationele database Datawarehouse
Inhoud Huidige waarden, gedetailleerdegegevens
Historische gegevens,geconsolideerde en geaggregeerdegegevens
Reikwijdte Specifiek functioneel systeem Volledige organisatie
Doel Ondersteuning dagdagelijkseoperaties
Informatievoorziening, rapportage enanalyse
Toestand Redundante en onvolledigegegevens
Geïntegreerde, volledige gegevens
Soort gegevens Dynamisch: gegevens wijzigenVoortdurend
Statisch: gegevens blijvenonveranderd opgeslagen
Structuur Complex, geschikt vooroperationeel gebruik
Eenvoudig en eenduidig, geschiktvoor analyse
Gebruik Gericht op efficiëntie van transacties
Gericht op effectiviteit van analyses
Aanpasbaarheid Gegevens kunnen bijgewerktworden
Gegevens kunnen niet gewijzigd
18/01/201443
18/01/2014
44
Business Intelligence Life Cycle
ETL
18/01/2014
46
ETL
18/01/2014
47
ETL proces
18/01/2014
48
Extract Transfer Load
ETL procesExtract
18/01/2014
49
Statische extractie = snapshot van de bron op bepaald ogenblik in tijd
Incrementele extract = waarnemen van de wijzigingen sindslaatste statische extractie
Capture = extract…snapshot nemen van de beperkt deel brondata en laden in DWH
ETL procesExtract
18/01/2014
50
Fouten corrigeren: schrijffouten; ontbrekende/dubbele/inconsistentedata; onmogelijke datums; incorrect veldgebruik
Ook: decoding; herformatteren, tijdsstempel; conversie; …
Scrub = data cleansingDatakwaliteit verbeteren door
patroonherkenning etc…
ETL procesTransform
18/01/2014
51
Record-level:Selection – data partitieJoining – data combinatieAggregation – data samenvatting
Field-level: Single-field – van 1 veld naar 1 veldMulti-field – meerde velden naar 1 of omgekeerd
Transform = omzetten van dataformaatoperationeel systeem naar formaat DWH
ETL procesTransform: single field
18/01/2014
52
In general – some transformation function translates data from old form to new form
Algorithmic transformation uses a formula or logical expression
Table lookup – another approach
ETL procesTransform: multi field
18/01/2014
53
M:1 –from many source fields to one target field
1:M –from one source field to many target fields
ETL procesLoad
18/01/2014
54
Refresh mode:Volledig overschrijven van de DWH info op periodische intervallen
Update mode: Enkel de wijzigingen in de brondataworden overgebracht naar DWH
Load/Index= vullen van DWH met getransformeerde data en indexering
Metadata
18/01/2014
56
Metadata
18/01/2014
57
Metadata
18/01/2014
58
Data over data… Wat betekent data precies 1 waarheid
Voorbeelden:
Gegevens over definities, eigendom, herkomst, betrouwbaarheid, recentheid, berekeningswijze, normen, vertrouwelijkheid,…
Gegevens over de betekenis van entiteiten en hun attributen, bij voorkeur in niet ambigue en begrijpelijke bewoordingen, al dan niet aangevuld met synoniemen of een thesaurus
Technische gegevens over tabellen, kolommen, indexen en relaties in de database of datamodel
Technische gegevens over de manier waarop gegevens uit bronsystemen worden getransformeerd, gecombineerd en verplaatst in DWH/datamarts
Beschikbare aggregaties/totaaltellingen
18/01/201459
18/01/2014
60
Business Intelligence Life Cycle
Architectuur v/h datawarehouse
18/01/2014
61
1. Generic DWH Architecture
2. Independent Data Mart
3. Dependent Data Mart
4. Complimentary Data Mart
5. Dependent Data Mart and Operational Data Store
6. Logical Data Mart and @ctive Warehouse
Architectuur v/h datawarehouse1. Generic DWH Architecture
18/01/2014
62
E T L
1 generiekorganisatie-breed DWH
Niet meest recente data – oplaadfase
Architectuur v/h datawarehouse1. Generic DWH Architecture
18/01/2014
63
Voordelen
Optimale instellingsbrede integratie
Nadelen
Top down
Tijdsrovend, laat resultaat
Investeringskost
Invoering van datamarts
~DWH, maar meestal met kleinere hoeveelheid gegevens en vaak ingericht voor specifiek doel
Architectuur v/h datawarehouse1. Generic DWH Architecture
18/01/2014
64
Decision Support System
Architectuur v/h datawarehouse2. Independent Data Mart
18/01/2014
65
E T L
Aparte ETL voor elkeindependent data mart
Complexe toegankelijkheid door verschillende data marts
Architectuur v/h datawarehouse2. Independent Data Mart
18/01/2014
66
Independent / Alleenstaande / Stand-alone DM
DM is DWH op kleine schaal (voor bepaalde dienst of departement) gegevens in DM zijn enkel afkomstig van bepaalde dienst of departement; DM bevat weinig of geen algemene bedrijfsgegevens
Vooral gebruikt binnen sterk gedecentraliseerde organisaties (bv. voor specifieke onderzoeksgroepen die onderzoeksgeheimen bevatten)
Alleenstaande datamarts kunnen nooit een datawarehousevervangen wegens verlies aan authenticiteit: multiple views of single truth i.p.v. multiple views of multiple truths
Architectuur v/h datawarehouse3. Dependent DM
18/01/2014
E L
1 ETL voor enterprise data warehouse (EDW)
Afhankelijke DM exclusiefgeladen vanuit EDW
Eenvoudiger toegang
T
67
Architectuur v/h datawarehouse3. Dependent DM
68
Dependent / Afhankelijke / Afgeleide / Derived DM
Uit organisatiebreed allesomvattend DWH worden één of een aantal DMs afgeleid
DM haalt data rechtstreeks en exclusief uit DWH
Laat eindgebruikers toe om direct op zeer performante manier gebruik te maken van gegevens in DM evenals van de meer gedetailleerde informatie in het DWH
Sterk gewaardeerde oplossing: voordelen van DM worden verbonden met kracht van DWH
Architectuur v/h datawarehouse4. Complimentary DM
18/01/2014
E L
Complimentary DM hoofdzakelijkgeladen vanuit EDW
Eenvoudiger toegang
T
69
Architectuur v/h datawarehouse4. Complimentary DM
18/01/2014
70
Prof. B. Sijnave - Management van informatie(systemen) -2009
Complimentary / Aanvullende DM
Organisatiebreed DWH wordt aangevuld met aantal DM om allesomvattend te zijn
DM haalt gegevens grotendeels uit DWH maar ook uit operationele systemen (of extern)
Interessant indien gegevens enkel relevant zijn voor één afdeling of dienst (bv. personeelsadministratie) maar wel moeten gerelateerd zijn aan DWH stamgegevens
Zelden toegepast wegens gevaar voor inconsistentie van gegevens tussen DM en DWH: gegevens in DM zijn meer gedetailleerd dan in DWH
Architectuur v/h datawarehouse5. Operational Data Store + Dependent DM
18/01/2014
71
E T L
1 ETL voor enterprise data warehouse (EDW)
Afhankelijke DM geladenvanuit EDW
Eenvoudiger toegang
ODS maakt gebruik huidige data mogelijk
Architectuur v/h datawarehouse5. Operational Data Store + Dependent DM
72
Operational data store (ODS):
An integrated, subject-oriented, updatable, current-valued, enterprise-wise, detailed database designed to serve operational users as they do decision support processing.
Architectuur v/h datawarehouse6. Logical Data Mart and @ctive Warehouse
18/01/2014
73
E T L
Bijna real-time ETL
ODS & DWH zijn hetzelfde
DM geen aparte databases, maarlogische views v/h DWH
Eenvoudiger nieuwe DM maken
Architectuur v/h datawarehouse6. Logical Data Mart and @ctive Warehouse
18/01/2014
74
@active data warehouse: An enterprise data warehouse that accepts near-real-time feeds of transactional data from the systems of record, analyzes warehouse data, and in near-real-time relays business rules to the data warehouse and systems of record so that immediate actions can be taken in response to business events.
Data modelMeetwaarden en dimensies
18/01/2014
75
Data modelMeetwaarden en dimensies
18/01/2014
76
Meetwaarden / Feiten / Cijfers / Measures Getallen die gerapporteerd kunnen worden
Patiënten, ziekenhuiscontacten, opnames, transfers, ontslagen, uitgevoerde en/of gefactureerde prestaties, ligdagen, ingrepen, etc.
Feiten krijgen betekenis door te rapporteren in combinatie met gerelateerde dimensies
Dimensies / dimension Nadere informatie over datgene waarop getallen betrekking hebben
Tijd, patiënt, arts, diagnose, pathologiegroep, behandeling, leeftijd, geslacht, verpleegeenheid…
Bevatten attributen, die elk bepaald aspect van dimensie beschrijven
Attributen uit de tijd-dimensie : jaar, maand, week en dag.
Data ModelHiërarchie / niveaus
18/01/2014
77
Hammergren C. et al. 2009 - Datawarehousing for dummies; Slidesharenet
Data ModelHiërarchie / niveaus
18/01/2014
78
Forcea
Data ModelGranulariteit
18/01/2014
79
Hammergren C. et al. 2009 - Datawarehousing for dummies; Slidesharenet
Detailniveau van de feiten in een feitentabel.
Granulariteit/detailgraad van feitentabel
Transactioneel niveau : fijnst
Gearggregeerd : tot op wel niveau? Te bepalen
Meer verfijnd – meer opties voor analyse
Meer verfijnd – meer dimensietabellen, meer rijen in feitentabel, zwaarder, minder performant
Data modelSterschema
18/01/2014
80
Sterschema: multidimensioneel basisschema
Feitentabel
Dimensies
Data modelSterschema: componenten
18/01/2014
81
Fact table / Feitentabelkwantitatieve gegevens
Dimension table / Dimensie tabelbevat beschrijvende data
1:N relatie tssdimensie- en feitentabel
Data modelSterschema: voorbeeld
18/01/2014
82
Fact table / Feitentabelvoorziet statistieken mbt sales
en dit opgedeeld naar dimensiesproduct/period/store
Data modelSterschema: voorbeeld
18/01/2014
83
Fact table / Feitentabelvoorziet statistieken mbt sales
en dit opgedeeld naar dimensiesproduct/period/store
Data modelSterschema: beperkingen
18/01/2014
84
Sleutels/keys in dimensietabellen zijn niet business gerelateerd en dus niet begrijpbaar vooreindgebruiker
Sleutels kunnen veranderen in tijd
Moeten consistent zijn in lengte/formaat
Data modelSneeuwvlok schema
18/01/2014
85
Uitgebreide versie van sterschema, waarbij dimensietabellen zijn genormaliseerd naar meerderegerelateerde tabellen
Voordelen
(Beperkt) minder opslagruimte
Door normalisatie beteronderhoud- & aanpasbaar
Nadelen
Schema minder intuïtief
Queries minder performant door groter aantal joins/verbindingen
Data modelSneeuwvlok schema
18/01/2014
86
time_keydayday_of_the_weekmonthquarteryear
time
location_keystreetcity_key
location
Sales Fact Table
time_key
item_key
branch_key
location_key
units_sold
dollars_sold
avg_sales
Measures
item_keyitem_namebrandtypesupplier_key
item
branch_keybranch_namebranch_type
branch
supplier_keysupplier_type
supplier
city_keycityprovince_or_streetcountry
city
Data modelMultiple fact tables
18/01/2014
87
>1 feitentabel in het midden van sterschema
2 Feitentabellen
Sales + Receipts
Gezamelijke dimensie
Date
Data modelFactless facttables / Feitenloze feitentabel
18/01/2014
88
Feitentabel bevat buiten key‟s geen andere gegevens
Opvolgen/opsporen events (occurrences)
Inventariseren van mogelijke voorvallen (coverages)
Occurence Coverage
ZiekenhuisdatawarehouseForcea Healthreport – modules
18/01/2014
89
Forcea
Ziekenhuisdatawarehouse
18/01/2014
90
Forcea
Hoe ver kan / moet / wenst de instelling te gaan?
Generieke ontwikkeling
Basis-modules
Toeters en bellen…
Instellingsspecifieke ontwikkeling
Interne BI-cel en/of IT-dienst
Externe consultants
Wat als data niet aanwezig is in datawarehouse?
“Bronloze” gegevens
18/01/201491
18/01/2014
92
Business Intelligence Life Cycle
18/01/2014
93
Business Intelligence Life Cycle
Querying & reporting
18/01/2014
94
Hammergren C. et al. 2009 - Datawarehousing for dummies
Traditionele benadering van data-analyses
Op ogenblik van vraagstelling (ad hoc of structureel rapport) wordt data bevraagd met behulp van query
Formattering van resultaat in rapport (ad hoc / sjabloon)
Meestal via standaard procedure:
1. Vraag tot rapport
2. Ophalen resultaat
3. (Beperkte) manipulatie van de data
Samenvatten; totaliseren; herordenen,…
4. Formatteren van de data
5. Aanbieden rapport 1-malig of regelmatig
Querying & reportingSQL (Structured Query Language)
18/01/2014
95
Hammergren C. et al. 2009 - Datawarehousing for dummies; WIKEPDEDIA
ANSI/ISO-standaardtaal voor een relationeel databasemanagementsysteem (DBMS) Bevragen en aanpassen gegevens in relationele gegevensbank
Initieel ontwikkeld als vraagtaal voor eindgebruiker
gebruik van SQL impliceert volledige kennis van de structuur van de te ondervragen gegevensbank te complex!
Voorbeeld: SELECT *
FROM tblKlanten
WHERE tblKlanten.krediet < 0;
Querying & reportingTools
18/01/2014
96
Hammergren C. et al. 2009 - Datawarehousing for dummies
Functionaliteiten
Aanmaken standaard rapporten
M.b.v. data uit datawarehouse, operationele databases (of kopie)
Herhalend op regelmatige basis
Statisch
Taakbelastend
One version of the truth…
Querying & reportingTools
18/01/2014
97
Hammergren C. et al. 2009 - Datawarehousing for dummies
Functionaliteiten
Lijsten
Querying & reportingTools
18/01/2014
98
Hammergren C. et al. 2009 - Datawarehousing for dummies
Functionaliteiten
Kruistabellen
Rapporteringskeuzes
Op papier
Statisch elektronisch
Dynamisch elektronisch
Wie mag wat zien?
Distribueer je data of rapporten?
Kan de gebruiker er ook zelf iets mee doen?
Kan je distibutie automatiseren?
18/01/2014
99
Statisch rapportHoe voorstellen
Evolutie
Absoluut (Δn) idee werkelijke grootte, impact op totaal
Procentueel (Δ%) belang i.f.v. eigen positie
Bij voorkeur gewogen waarde
Vergelijkbaar maken van resultaten
Gezamenlijke noemer (ligdagen, activiteitsdagen, FTE)
Het plaatsen van een meting in zijn perspectief
Patiëntidentificatie
Decubitus
Tevredenheid…
18/01/2014
100
Statisch rapportStatistiek: enkele basisbegrippen
Gemiddelde
Mediaan
Kwartiel
Percentiel
Standaarddeviatie
18/01/2014
101
http://www.let.leidenuniv.nl/history/RES/stat/html/excel_be.html
Statisch rapportVeel gebruikte dimensies
Tijdsdimensie
Dag; Week; Maand; Kwartaal; Semester
Zeer herkenbare referentieperioden
Impact weekend, vakantie- en brugdagen bij kleine referentie
Jaar tot Datum (YTD / JTD)
Boekhoudkundig begrip, werken naar jaarresultaat
Weinig relevant gedurende eerste kwartaal
Voortschrijdend Jaar / Rolling Year / Moving Year (12M)
Uitvlakking seizoensschommelingen
Abstract gegeven
Voortschrijdend Gemiddelde
18/01/2014
102
Statisch rapportVeel gebruikte dimensies
Activiteitencentrum
Kenletter
Specialisme – Medisch Technische Dienst
Verpleegeenheid
Verhuisbeweging?
Contingentering?
18/01/2014
103
Visualisatie
Lijngrafiek met seizoensschommelingen Zwevend gemiddelde
Pie chart / Taartdiagram Verdeling over specialismen; afdelingen
+ Totale taart = 100%
– Inschatting grootte v/d spie
– Onderscheid tussen de spiën
Nood aan legende
Bubble chart / Bellengrafiek % evolutie over 2 jaar, belang activiteitencentrum
18/01/2014
104
OEFENINGDraaitabellen in Excel
18/01/2014
105
Draaitabellen in Excel
Boordtabel operatieomgeving
18/01/2014106
18/01/2014
107
Business Intelligence Life Cycle
OLAP (online analytical processing)Business Analysis
18/01/2014
108
Hammergren C. et al. 2009 - Datawarehousing for dummies; Slidesharenet; Forcea
Interactief analyseren van gegevens i/h DWH Data doorgaans voorgesteld als
en gemanipuleerd in kubussen
multidimensionelematrices / spreadsheets
Analyse vs. Rapportering Rapport = antwoord op 1 specifieke vraag
Hoeveel klassieke hospitalisaties voor een bepaalde campus
Analyse = zoeken verklaring voor een business vraag via relaties tussen gegevens
Wat verklaart de daling in de klassieke hospitalisaties
OLAP (online analytical processing)Business Analysis
18/01/2014
109
Forcea
OLAPKubus vs. DWH
18/01/2014
110
Forcea
OLAP-functionaliteiten
18/01/2014
111
Hammergren C. et al. 2009 - Datawarehousing for dummies; Mucksch et al. 1998 - Das Data Warehouse-Kozept,.
OLAP-functionaliteitenSlicing
18/01/2014
112
Hammergren C. et al. 2009 - Datawarehousing for dummies; Wikipedia
Afzonderen van 1 data”schijf” binnen kubus
Selectie van 1 waarde in 1 van de dimensies
Creëren van kleinere kubus met minder dimensies
OLAP-functionaliteitenDicing
18/01/2014
113
Hammergren C. et al. 2009 - Datawarehousing for dummies; Wikipedia
Aanmaken van een deelkubus
Selectie meerdere waarden binnen 1 of meer dimensies
OLAP-functionaliteitenDrill Down/Up
18/01/2014
114
Hammergren C. et al. 2009 - Datawarehousing for dummies; Wikipedia
Navigeren (down/up) tussen hiërachiën
Up: naar meest geaggregeerde/samenvattende
Down: naar hogere graad van detail
OLAP-functionaliteitenPivot
18/01/2014
115
Hammergren C. et al. 2009 - Datawarehousing for dummies; Wikipedia
Meetwaarden vanuit andere invalshoek bekijken
Rotatie van de kubus
OLAPTypes
18/01/2014
116
Hammergren C. et al. 2009 - Datawarehousing for dummies; Slidesharenet
OLAP
ROLAP MOLAP HOLAP andere
WOLAP DOLAP MOLAP SOLAP
OLAPTypes
18/01/2014
117
Hammergren C. et al. 2009 - Datawarehousing for dummies; Slidesharenet
MOLAP - Multidimensioneel Traditionele benadering; data bewaard in
multidimensionele kubus en niet in de relationeledatabase Voordelen: Performantie
• MOLAP kubussen zijn gebouwd om snel data op te halenen geoptimaliseerd voor slicing / dicing
Laat complexe berekeningen toe (binnen korte tijd)• Alle berekeningen voorbereid in de kubus
Nadelen: Beperkt in hoeveelheid data gezien alle berekeningen
in kubus gebeuren• Grote data-sets enkel geaggregeerde gegevens in kubus
Bijkomende investering• Software: kubus technologie heel specifiek en (vaak) via
specifieke en betalende software• Personeel & opleiding
OLAPTypes
18/01/2014
118
Hammergren C. et al. 2009 - Datawarehousing for dummies; Slidesharenet
ROLAP – Relationeel Data gemanipuleerd in relationele database, zodat ze
voor eindgebruiker ogenschijnlijk benaderd wordenvia OLAP met slicing/dicing functionaliteit SQL – slice & dice m.b.v. "WHERE" clausule Voordelen: Grote databanken kunnen eenvoudig bevraagd
worden• Capaciteit is “beperkt” tot die van onderliggende
relationele database• ROLAP zelf heeft geen capaciteitsbeperking
Disadvantages: Relatief traag, zeker bij grote databanken
• Elk ROLAP rapport is opeenvolging van SQL queries in relationele databank
Beperkt door SQL functionaliteiten• Complexe berekeningen zijn vaak moeilijk met SQL
Leveranciers voorzien vaak al zowel voorbereidequeries voor complexe berekeningen als vrijheid omzelf queries te ontwikkelen
OLAPTypes
18/01/2014
119
Hammergren C. et al. 2009 - Datawarehousing for dummies; Slidesharenet
HOLAP – Hybrid Best-of-both-worlds
MOLAP technologie voor samenvattende informatie via kubussen
ROLAP naar onderliggende relationele database voorverdere specificaties en detail “drill through”
OLAPTypes
18/01/2014
120
Hammergren C. et al. 2009 - Datawarehousing for dummies; Slidesharenet
OLAPTypes
18/01/2014
121
Hammergren C. et al. 2009 - Datawarehousing for dummies; Slidesharenet
OLAPTypes: andere
18/01/2014
122
Hammergren C. et al. 2009 - Datawarehousing for dummies; Slidesharenet
WOLAP (Web-enabled OLAP) Toegankelijk via web browser
+ lagere investeringskost; betere toegankelijkheid
– functionaliteit, performantie momenteel << client/server machines
DOLAP (Desktop OLAP) Deel van data lokaal opslaan en van daaruit werken
+ eenvoudig op te zetten en goedkoop
– zeer beperkte functionaliteit & data-eilanden
MOLAP (Mobile OLAP) OLAP toepassingen mobiel/tablet via remote access
SOLAP (Spatial OLAP) Combinatie mogelijkheden van Geographic Information Systems
(GIS) & OLAP binnen 1 gebruikers-interface
OEFENING
18/01/2014
123
Forcea
Cognos Analysis studio – Forcea HealthReport
OLAP technieken
Measures & dimensions
Slicing, dicing
Drill through
18/01/2014124
18/01/2014
125
Business Intelligence Life Cycle
Data miningWhat are we talking about…?
18/01/2014
126
IBMBusAnalyticsOEM
Data miningWhat are we talking about…?
18/01/2014
127
IBMBusAnalyticsOEM
Data miningWhat are we talking about…?
18/01/2014
128
IBMBusAnalyticsOEM
Data miningWhat are we talking about…?
18/01/2014
129
IBMBusAnalyticsOEM
Data miningWhat are we talking about…?
18/01/2014
130
IBMBusAnalyticsOEM
Data mining is “het ontdekken van kennis” m.b.v.
Statistiek
Artificiële intelligentie
Grafische computertechnieken
…
Doel:
Verklaringen zoeken
Veronderstellingen bevestigen
Data onderzoeken naar nieuwe onverwachte relaties
Data mining techniekenAssociatie regels
18/01/2014
131
IBMBusAnalyticsOEM
Doel: zaken identificeren vinden die samen gebeuren
Support of {salsa, chip} is 80%
Support of {bread, milk} is 60%
Interessant voor o.a. winkelindeling, prijszetting...
Transaction Item
t1 milk, chip, bread, salsa, coke
t2 banana, chip, rice, salsa
t3 salsa, coke, banana, chip
t4 milk, lettuce, coke, rice, salsa, bread
t5 lettuce, salsa, bread, coke, chip, milk
Data mining techniekenClustering
18/01/2014
132
IBMBusAnalyticsOEM
Markt segmentatie als voorbeeld Elk punt stelt eigenschap/karakteristiek van bepaalde klant
voor
Doel: groeperen van leden met zelfde eigenschappen
Gebruikt voor fraude-opsporing, zakenwereld, wetenschap
Data mining techniekenStatistische analyse
18/01/2014
133
IBMBusAnalyticsOEM
Regressie:
Tijdsseries:
VTE‟spoetsdienst
Opp m²
Patiënten
Tijd
Data miningBetekenis voor healthcare
18/01/2014
134
Desikan P. 2011 – Data mining for Heatlhcare management
Data miningBetekenis voor healthcare
18/01/2014
135
Desikan P. 2011 – Data mining for Heatlhcare management
Data miningBetekenis voor healthcare
18/01/2014
136
Desikan P. 2011 – Data mining for Heatlhcare management
Data miningBetekenis voor healthcare
18/01/2014
137
Desikan P. 2011 – Data mining for Heatlhcare management
Data miningBetekenis voor healthcare
18/01/2014
138
Desikan P. 2011 – Data mining for Heatlhcare management
Data miningBetekenis voor healthcare
18/01/2014
139
Desikan P. 2011 – Data mining for Heatlhcare management
Data miningBetekenis voor healthcare
18/01/2014
140
Desikan P. 2011 – Data mining for Heatlhcare management
Data miningBetekenis voor healthcare
18/01/2014
141
Desikan P. 2011 – Data mining for Heatlhcare management
Data miningBetekenis voor healthcare
18/01/2014
142
Desikan P. 2011 – Data mining for Heatlhcare management
Data miningBetekenis voor healthcare
18/01/2014
143
Desikan P. 2011 – Data mining for Heatlhcare management
Data miningBetekenis voor healthcare
18/01/2014
144
Desikan P. 2011 – Data mining for Heatlhcare management
Data miningBetekenis voor healthcare
18/01/2014
145
Desikan P. 2011 – Data mining for Heatlhcare management
Data miningBetekenis voor healthcare
18/01/2014
146
Desikan P. 2011 – Data mining for Heatlhcare management
Data mining… a word of caution
18/01/2014
147
http://www.abc.net.au/tv/thecheckout/
18/01/2014148
18/01/2014
149
Business Intelligence Life Cycle
Internet / IntranetPortaal
Centrale toegang tot alle beleidsdata in DWH
IBM CognosConnection
Individueel instelbaar afhankelijk van noden/wensen eindgebruiker
18/01/2014
150
Dashboard en Balanced Scorecard
Dashboards en Balance Scorecards worden gebouwd om kaderleden de mogelijkheid te bieden om in een oogwenk de situatie van het bedrijf in te schatten. Aan de hand van visuele wegwijzers in functie van zogenaamde KPI‟s wordt goed en slecht weergegeven, zonder dat er tijd verloren gaat in de samenstelling van de gegevens die aan dit besluit vooraf gaan.
“Tell me a lot of things, but don‟t make me work too hard.”
18/01/2014
151
Dashboard
Stelt directieleden en managers in staat om zo snel mogelijk de situatie van de business in te schatten, zonder hiervoor enig voorbereidend onderzoek te moeten verrichten.
Dashboardprincipe is een proactieve wijze van informatiegebruik die resulteert in acties die enkel genomen worden wanneer bepaalde vooropgestelde pointers hierom vragen.
De informatie dient in a glance waarneembaar te zijn aan de hand van een visuele representatie (grafieken en wijzers)
18/01/2014
152
Dashboard
18/01/2014
154
https://toutapp.com/c/pascal-thulin-reports-nl/44ffd712585a3478c159d32d269e0f03e1916948/Why-Choose-Dundas-Dashboard.pdf#page/8
(Balanced) Scorecard
Visuele uitdrukking van strategie instelling
Veel gebruikte techniek voor strategisch management en het behalen van langetermijndoelstellingen binnen organisaties.
Evaluatiehulpmiddel voor managers die complexe doelstellingen hebben.
Het idee achter de balanced scorecard is dat een manager niet alleen is af te rekenen op financiële resultaten, maar dat ook andere prestaties worden meegenomen in de jaarlijkse beoordeling.
Uitgedrukt in KPI (key performance indicators)
18/01/2014
155
(Balanced) Scorecard
18/01/2014
156
(Balanced) Scorecard
Verschillende perspectieven
Customer: Kwaliteits- en klantenperspectief
Hoe creëren we waarde voor de patiënten
Internal process: Interne processen
In welke processen moeten we excellent zijn om de basis waarden waar te maken
Employee learning and growth: Medewerkers perspectief
Hoe kunnen we blijven groeien in competentie om adequate antwoorden te blijven bieden op een wisselende realiteit
Financial: Financieel perspectief
Hoe kunnen we waarde creëren voor onze klanten terwijl we de kosten onder controle houden
18/01/2014
157
(Balanced) ScorecardMissie vertalen in meetwaarden
18/01/2014
158
http://www.hhfinance.nl/wp-content/uploads/Ebook-balanced-scorecard.pdf
(Balanced) ScorecardStrategiekaart
18/01/2014
159
http://www.hhfinance.nl/wp-content/uploads/Ebook-balanced-scorecard.pdf
(Balanced) ScorecardBepalen KPI’s
18/01/2014
160
http://www.hhfinance.nl/wp-content/uploads/Ebook-balanced-scorecard.pdf
(Balanced) ScorecardCasus – Jan Yperman
18/01/2014
161
18/01/2014162
18/01/2014
163
“de markt”
The Magic Quadrant for BI
Methodiek om IT producten te vergelijken
H – "Completeness of Vision“
~ “features” v/h product
~ technologische vernieuwingendie concurrenten verplichten tereageren
V – "Ability to Execute"
~ inkomsten, aantal en kwaliteitvan distributeurs/verkopers
~ personeel en verhouding tss. ontwikkeling/verkoop/support…
Evolutie
18/01/2014
164
Gartner, February 2013 + Louhia consulting, November 2013
BI voor Belgische ziekenhuismarkt
www.forcea.be/nl/oplossingen/forcea-healthreport
www.hospitalintelligence.be/modules.php
www.laco.be/nl/markets/healthcare/
www.xperthis.be/nl/business-intelligence/
???
18/01/2014
165
18/01/2014166
18/01/2014
167
Beleidsinformatie > datawarehouse
Benchmarking
18/01/2014
168
Forcea Healthcare Seminar 2013 - “De kracht van geïntegreerde benchmarking”
Benchmarking binnen gezondheidszorgSchier eindeloze mogelijkheden…
18/01/2014
169
Activiteit
Bestaffing
VTE‟s
Loonschalen
Opleiding
MZG
Verpleegkundig
Medisch
Financieel
MAHA
Tevredenheid
Personeel
Patiënten
Kwaliteit
Infecties
Decubitus
Heropnames
Valincidenten
Ziekenhuissterfte
Kosten opname…
Ziekenhuisranking ingeburgerd in Nederland (AD)In België nog i/d kinderschoenen (Test-Aankoop; De Standaard)
18/01/2014170
18/01/2014
171
Toekomst BI
Top 10 Trends
in Business Intelligence
for 2014
18/01/2014www.tableausoftware.com 172
Data science moves from the specialist
to the everyman. Familiarity with data analysis becomes part of the skill set of ordinary
business users, not experts with “analyst” in their titles. Organizations that use data to make
decisions are more successful, and those that don’t use data begin to fall behind.
The end of data scientists.
1
For more, see this Special Report from the Economist: Fostering a Data Driven Culture.
Organizations that want to get up & running fast with analytics drive adoption of cloud-
based business intelligence. New scenarios such as collaboration with customers and
outside-the-firewall mobile access also accelerate adoption. The maturation of cloud
services helps IT departments get comfortable with business intelligence in the cloud.
Cloud business intelligence goes mainstream.
For more, read the whitepaper: Business Analytics in the Cloud.
http://youtu.be/SS1EI5Ql6sI
For more, watch this webinar: Exploring Big Data with Amazon Redshift.
Cloud data warehouses like Amazon Redshift and Google BigQuery transform the process of
building out a data warehouse from a months-long process to a matter of days. This enables
rapid prototyping and a level of flexibility that previously was not possible. Cloud offerings like
Teradata Cloud and SAP HANA from traditional vendors validate the space.
Big data finally goes to the sky.
For more, read this whitepaper by GigaOm: Agile Business Intelligence: Reshaping the Landscape.
Self-service analytics becomes the norm at fast-moving companies. Business people begin
to expect flexibility and usability from their dashboards. And the monolithic infrastructure
stack finally crumbles in favor of solutions that can work with new data sources.
Agile business intelligence extends its lead.
For more, watch TDWI’s David Stodder on this webinar: Using Analytics to be
Predictive and Proactive.
once the realm of advanced and specialized
systems, will move into the mainstream as businesses seek forward-looking rather than
backward-looking insight from data.
Predictive analytics,
See the value of embedded BI with this video.
Embedded BI begins to emerge, in an attempt to put insight
directly in the path of business activities. Analytics start to live inside of transactional
systems. Scenarios like customer relationship management will lead the way with analytics
providing support for the many small decisions salespeople make in a day. Ultimately,
embedded BI will bring data to departments that have typically lagged: for example, on the
shop floor and in retail environments.
Read more in this whitepaper: 5 Best Practices for Telling Great Stories.
Storytelling becomes a priority,as people realize that a dashboard deluge without context is not helpful. Stories become
a way to communicate ideas and insights using data. They also help people gain
meaning from an overwhelming mass of big and disparate data.
mobile business intelligence becomes the primary experience,
For an example, read this whitepaper: How Mobile Business Intelligence Drives
Efficiency and Transformation for Supervalu.
For leading-edge organizations,
not an occasional experience. Business users being to demand access to information
within the natural flow of their day, not back at their desks.
http://www.youtube.com/watch?v=DeS4m11GYWQ&feature=share&list=PL1xSoMCZ-kYJjNBkxRzr_0FkNTXj_gtDk
Organizations begin to analyze social data in earnest,gaining insight beyond number of their likes and followers. Social
data becomes a proxy for brand awareness and attitude, as well as fertile ground for
competitive analysis. Companies begin to use social data to understand how relevant
they are to their customers.
For an example of how to gain insight from social media data, watch this
video: Using Social Media Analytics for Insight.
http://youtu.be/8AUMEHhVbXA
NoSQL is the new Hadoop.Organizations explore how to use unstructured data. NoSQL technologies become
more popular as companies seek ways to assimilate this kind of data. But in 2014,
the intelligent use of unstructured data will still be the exception and not the norm.
For more on noSQL, read this TechRepublic article: 10 Things You Should Know
About noSQL databases.
18/01/2014183
18/01/2014184
Hammergren C. et al. 2009 -Datawarehousing for dummies
Ponniah. P. 2010 – Data Warehousing fundamentals
18/01/2014
185
If you want to read……some more… …all about it...